Bei der Einstiegsfrage hätte ich erwartet: "Bielefeld gibt es wirklich?"

Dieser Vortrag war wirklich sehr interessant und kurzweilig aufbereitet. Ich habe nur noch nicht ganz verstanden, warum in die Fotoserie mit den vielen Waffen eine Schildkröte hineingemischt wurde, obwohl es sich bei dieser ja um ein recht ungefährliches Tier handelt. 🤖

Wow, tolles video, kurz und verständlich, vielen dank!

Also wenn ich mal irgendwann eine Party veranstalte, ist er eingeladen. War einer der Science Slams, die mir am besten gefallen haben bisher.

Toller Vortrag!

Ein richtig gutes Video 👍

Guter und wichtiger auf den Punkt gebrachter Vortrag 👍

Sehr interessant, danke!

So ein cooler Vortrag.

Mega spannend. Toller Slam, Jonas!

Bin froh, dass das Video mir etliche Male wiederholend empfohlen wurde, da ich mir zwar merken wollte es noch anzusehen, aber wahrscheinlich sonst nicht mehr dazugekommen wäre. Tolles Video, unterhaltsam. Es gibt die vielen "ähs" zu kritisieren, dennoch gut hingekriegt.

Wow. Sehr interessant mit den Bildern.

Mega geil, ich war schon immer davon überzeugt das das menschliche Gehirn mit allem was wir noch nicht wissen, nicht so mal eben reproduzierbar ist. Danke für diese Erklärung.

Interessant, und Ihr Stil gefällt mir.

Toller Vortrag!! Und: Zu meinen Parties dürfest du immer kommen!! 😊

sehr interessant, danke!

Daumen hoch für das coole T-Shirt von Jonas :D

Mega spannend

Bitte bleiben sie skeptisch ist ein guter Ratschlag. Wobei man sich sagen muss, dass die Versprechungen von ML/AI einfach schwer überzogen sind. Sicherlich hat es aber auch tolle Anwendungsbereiche. Bei der Medikamentenentwicklung versuchen wir auch gerade unser Glück an Massen von klinischen Daten... Bisher mit sehr überschaubarem Erfolg ^^

Ich kann das Problem von dem zuletzt genannten Algorythmus durchaus nachvollziehen. Es fällt mir auch immer schwer Lego-Palpatine und Jean-Luc auseinander zu halten. So wie in der einen Folge neulich, als die Borg Coruscant assimilieren wollten und Picard den Befehl zur Trennung des Todessterns gegeben hat um die Ferengi davon abzuhalten sich die ganzen in Gold gepressten Legosteine unter den Nagel zu reißen welche die Rebellen für den Bau ihrer B-Klasse-Chicken-Wings-of-Prey haben wollten. XD

Guter Vortrag, treffende Argumente. Warum das als SCIENCE-SLAM verkauft wird, verstehe ich nicht so ganz. Ist für mich die beste Relativierung des viel zu hoch gehypten Themas "maschinelles Lernen". So etwas wird u.A. für Prüfverfahren in der industriellen Fertigung verwendet wird, obwohl man das eigentliche Prüfverfahren nicht ansatzweise verifizieren kann.

ich feiere ja deren T-Shirt :D

Nices T-Shirt

Hmmm, also den Espresso kann ich bei einigen Bildern sogar nachvollziehen.

Top

9:00 der Baseball in Zeile 3 Spalte 4 sieht aber wirklich aus wie eine Kaffeetasse von oben. *Generell finde ich dass man bei den Baseballs es irgendwie nachvollziehen kann. Bei vielen roten sieht man die Nähte von oben (was halt wie ne Tasse aussieht, irgendwie) oder in einer Graden Linie quer über den Ball. Bei den grünen erkennt man ganz gut anhand des verlaufes der Nähte das es ein Ball und speziell ein Baseball ist. Nicht perfekt aber irgendwie nachvollziehbar. Im Grunde gar nicht so übel für eine "Intelligenz" die unserer so fremd ist

Das Beste kommt zum Schluß. Hat sich aber gelohnt durchzuhalten.

Vielen Dank für den Upload. Vielen Dank an Jonas. Ich beschäftige mich derzeit mit der Thematik " Machine Learning" und da ist das ein richtig guter Beitrag (der allerdings schon ein kleines bisschen vorkenntnis erfordert bzw selbiges sehr praktisch ist). Soweit ich das verstanden hab, berichtet Jonas hier über NN (also eher DL als ML). Aber hey... das hängt ja alles zusammen. XD Beitrag bis zum Ende geschaut. Anmerkung dazu: Alles schön, richtig und gut - jedoch vermisse ich ein wenig weiterführende Überlegungen zum Verbessern der "Treffsicherheit" bei ML/DL. Es gibt ja etliche Ansätze. Ich favorisiere folgenden Ansatz (ohne zu wissen ob er durchführbar ist): Gib dem Model einen 3D Blueprinter für ein Objekt. Lass das Modell einen Abgleich mit den präsäntierten Daten machen. Gib dem Model Blueprints für alle möglichen HIntergründe und deren Kombinationen. Die 3D-Maske muss vom Hintergrund separierert werden. Bei Bilderfolgen sollte das relative sicher sein, denn das Abzugleichende Objekt wird sich weniger ändern als der Hintergrund, wenn man die 3D Maske des zu erkennenden Objektes als Referenz zu Grunde legt. Umgekehrt: Die übereinstimmung mit der 3D Maske des Ojekts sollte einfacher zu klassifizieren sein, als der sich variabel ändernde hintergrund. Ggf. sollte bzw könnte man hingehen und hintergrund und objekt trennen lassen (stichwort stereoskopie) und von separaten NN´s klassifizieren lassen. Durch die Trennung wird es einfacher, die objekte zu klassifizieren. Das ganze wird dann somit auf 2 verschiedene lineare regressionen minimiert. Nur mal als Anmerkung. Und noch einen für den Spaß´: Wenn ich ´ne überlegene Intelligenz wäre, würde ich die dummen Menschen auch zum Narren halten und fragen, ob sie beim Kauf einer Geldbörse noch weitere Geldbörsen kaufen wollen. Denn Erstens: so dumm kann nur der Mensch sein Zweitens: so unwahrscheinlich ist das garnicht. Menschen haben Familie, Freunde, Bekannte.. die brauchen auch alle Geldbörsen.... Drittens: nur der unbedarfte Menschtrottel würde denken, dass eine überlegene Intelligenz ihn niemals ausbooten könnte.... hmmm...vielleicht haben die experten den Zeitpunkt sich sorgen zu machen schon verpasst... aber hey. früher haben wir gescherzt, Bill Gates würde seinen Computer fragen, ob Gott existiert... nach dem BillyBoy dann alle Rechner zusammengeschlossen hat, kam die Antwort: "JETZT schon!" XD

Man spricht in diesem Zusammenhang auch vom "Problem des gesunden Menschenverstandes" und das gilt wohl als der Heilige Gral und härteste Nuss der KI-Forschung.

Mal wieder kurz und knapp auf den Punkt gebracht

Also der Vortrag war gut, meine Frage wäre aber wie du das hinbekommst das ein Bild als genau ein anderes erkannt wird? Also brute-force wäre ja schwer realisierbar weil es so unglaublich viele Möglichkeiten gibt, und mir persönlich fällt jetzt nicht ein wie man einen Algorithmus programmieren könnte der das für einen ohne brute-force macht, da KI ja nicht deterministisch ist

🖖👍

Autonomes Fahren zu Zeiten von Karneval.

Beim machine learning (zu mindesten in dem Vortrag) geht es doch darum große Datenmengen zu verarbeiten. Am Ende noch einen Menschen einzuschalten um die Finale information zu verarbeiten ist doch ohnehin klar.

Classified as Espresso.

Gott sei Dank wird daran gearbeitet das im militärischen Bereich für autononme Drohnen usw. zu verwenden. Was kann da schon schief gehen...

Interessant. Mal zu verstehen wie KIs verstehen. Oder es zu versuchen. Spiele ne Weile mit Text to Image KIs rum wie z.B. DALL E , Wombo oder StableDiffusion rum....ja und da wunderst mich hin und wieder wie die auf das Ergebnis kommen....ich sag Kapelle und es kommt eine tanzende Frau auf der Wiese...der Rest sind diverse traumartige Gebilde von Kapellen...der eine Ausreißer fasziniert mich dann schon irgendwie...

👍🏻supi

Und diese Tatsache mit der Katze erklärt quasi auch für jeden nicht Informatiker sehr anschaulich warum Chatkontrolle SO nicht funktioniert!

let's be clear: deep learning / neural nets have VERY little in common with the architecture of the brain. e.g. 1. axons signals are not digital, they are analog; 2. connections are not homogeneous nor in any way fully interconnected; 3. all neural elements run on their own power and fire completely independently (async); 4. there are both inhibitory as well as excitatory activations; 5. there are feedback loops in the brain, but not this notion of processing broken down by input layers, backprop, error correction, and all that nonsense. 6. (BIG ONE) there is no distinction in the brain between remembering and memorizing.

Ich denke die KI sicht nach Mustern. Die sollte aber in 3D Modellen denken. Also man sollte mit Förmchen wie für Kinder anfangen. Stellt euch vor ihr habt nie ein Tastsinn gehabt und habt 0 Erfahrung. Ich glaube auch die Robotik macht ein riesen Fortschritt wenn in Füssen ein Tastsinn eingebaut wird. Das hilft sehr beim laufen.

Eine KI zur Unterstützung einsetzen bedeutet nicht die Entscheidung vollends dem Algorithmus zu überlassen. KI sind für erste Filterungen hilfreich und nehmen einen grossen Teil der Arbeit ab, können aber auch Fehler machen. Btw 7:00 Es sind sogar nur "0.007"

Bei dem Hund und der Katze wusste die KI einfach worauf es ankommt: Beide sind awww süüüß awww. 🤗

What fire together that wire together.

He means the weed , called "black afgan" in germany. Not humans by the tone of skin.

Jetzt ist mir klar warum man in einem Bilderfeld zb Verkehrsschilder auswählen muss, um sich als Mensch zu identifizieren, da eine KI das also eh nicht hinkriegen würde 😛

Aber Maschinelles Lernen wächst exponentiell. Ich finde das gar nicht besorgniserregend, sondern dem Sinn des Lebens ein stückchen Näher kommen.

Das Problem gibt es ja aber auch bei Menschen mit optischen Täuschungen. Overfitting halt 🤷‍♂️. Sobald irgendjemand erfolgreich ein NN trainiert, dass einen Selbsterhaltungstrieb hat, wird es kritisch.

Lass Dich nicht unterkriegen. Dein Slam war total interessant. Und als Kumpel würde ich dich auch zu ner Party einladen.. Bin verheiratet.. 😉 Lg aus Schweden

computer waren und sind gut im tun von dingen die berechenbar und immer gleich sind - nichts was ich mit bildern assoziieren würde

Und dann kam OpenAI...

Als Schildkröte getarnte Waffen. Interessant.

Two AGI robots without a utility function sit on a park bench.

Gruselig wie schlecht es eigentlich immer noch ist bzw wie wenig es mit dem Erkennen wie wir es tun zu tun hat/dem ähnlich ist. Dafür gibt es aber auch wohl ziemlich logische Gründe bzw kann man relativ "ez" zusätzlich ein System entwickeln welches mehr so sieht/denkt/erkennt wie wir. Beide Systeme zusammen exponentiell anders trainiert wird immer unfehlbarer.

ein bisschien Undertale zwischen drinn schadet nicht

viel schlimmer wäre ja ein Gewehr, das von Computern als Teddybär erkannt wird.

ähm... ähm... ähm... ähm... ähm...

Fürs

Ich hätte mir gewünscht, wenn er etwas mehr auf die Ursache und weniger auf den Fakt eingegangen wäre, dass auch maschinelle Intelligenz Fehler macht. Intelligenz basiert fundamental auf einem Fehler. Der Gleichsetzung von Korrelation und Kausalität. Dieser Fehler lässt sich auch nicht beseitigen sondern bestenfalls reduzieren. Mit reinem Backpropagation wird man da auch nicht viel weiter kommen. Ich glaube das die Simulation von Spiegelneuronen helfen kann. Also das die neuronale Maschine nicht durch Rückkopplung lernt, sondern dadurch das es versucht Muster zu immitieren. Bezüglich der Struktur des neuronalen Netzes sollte man vielleicht auch mal genetische Algorithmen nutzen.

Das ist kein echtes Bild von einr Katze. Das ist ein gespiegeltes Bild einer hälfte von einer Katze.

Elefant im Raum ist gut.

Science slam ist nicht immer lustig?

Also hab die Bilder von Katze und Schildkröte bei Google Lens reingehauen und sie wurden ohne Zweifel als Katze tabby und Meeres Schildkröte erkannt.

Gehen Sie wählen !.. Joana Cotar FTW

Schöner Beitrag! Aber er sollte dringend was für seine Kondition tun. 🥺

Das Problem wurde großflächig gelöst. Stichwort: “Adverserial Invalidation”

Naja gut, Menschen kann man auch täuschen, da sind halt die Methoden andere, aber im Prinzip einfacher, weil wir selber Menschen sind und einschätzen können wie es für Menschen aussieht. Bei dem Beispiel mit Apple verstehe ich auch das Problem nicht. Nehmen wir an jemand will mir was böses und schickt mir ein Hunde-Bild, das von Apple als Kinderpornografie erkannt wird. Dann werde ich doch nicht sofort verhaftet, sondern im Worst case, schaut sich ein Polizist dieses eine Hundebild an und sagt "Der Apple-Detector hat mal wieder Mist gebaut". Was ich meine ist, natürlich soll AI nicht alleine Entscheidungen treffen und Menschen verhaften. Aber wenn AI von Zigmilliarden Fotos 100 aussortiert, die von Menschen üperprüft werden sollen, ist das eine extrem gute Sache, auch wenn die AI ab und an mal falsch liegt. Autonomes Fahren ist heute schon sicherer als menschliches Fahren. Aber wenn ein Computer einen Unfall verschuldet, wollen wir das nicht akzeptieren. Das Menschen jeden Tag Hunderte andere totfahren interessiert uns da irgendwie weniger. Was ich sagen will: Maschinelles Lernen muss nicht perfekt sein, nur besser als der Mensch. Und das ist es halt in 99% der Fälle. Dazu wird es immer besser.

Science Slam.... wenn Geeks sich Witze erzählen... 🙄

das ende mit dem wählen war ja wohl mehr als cringe